第 1 集 · B2 · 7 分钟
语料库讲座 · 第1集 · 国家俄语语料库
语言学家科泽连科讲国家俄语语料库能做什么，句子完整，适合进阶听讲。 开头：今天我们的主题是国家
中俄字幕
сегодня у нас будет тема национальный
今天我们的主题是国家
корпус русского языка новые и старые
俄语语料库：新旧功能
возможности.
功能。
значит вообще возможностей в корпусе
总之，语料库中的功能数量巨大，
огромное количество и совершенно
而且完全
невозможно про них рассказать за одну
无法在一堂课中全部介绍。
лекцию поэтому я пытаюсь их как- то
因此，我尝试对它们进行某种结构化和分组，
структурировать и сгруппировать и
并加以归纳，
рассказать более менее поверхностно о всем
较为简要地介绍语料库中所有功能。
что в корпусе есть и
语料库中所包含的内容。
при этом делаю акцент на том что в корпусе
同时，我强调在语料库中
появилось нового
新增了内容
достаточно ли хорошо всем видно и слышно
大家是否都能清楚地看到和听到？
что он делает?
他在做什么？
Вот, так и сниму.
好，就这样拍摄。
спасибо да ну прежде всего хочется начать
谢谢，是的，首先想从
с такого совсем уже ликбеза и рассказать
一个非常基础的科普讲起
что такое собственный корпус
什么是语料库？
Корпус текстов— это собрание текстов в
语料库是一组以电子形式存储的文本
электронной форме с возможностями поиска
并支持检索功能
по разным параметрам.
根据各种参数。
Чем корпус отличается от библиотеки,
语料库与文库有何不同？
которая тоже является собранием текстов в
文库同样也是以电子形式存储的文本集合。
электронной форме?
？
Тем, что, во- первых, у них разное
首先，二者用途不同：
назначение, то есть библиотека
文库用于查找和阅读文献；
используется для поиска литературы, для
而语料库则用于查找特定词汇语法单位的使用实例。
чтения литературы, а корпус используется
而语料库则用于查找特定词汇语法单位的使用实例。
для поиска примеров употребления
而语料库则用于查找特定词汇语法单位的使用实例。
тех или иных лексико грамматических единиц
而语料库则用于查找特定词汇语法单位的使用实例。
в тексте. ну а кроме того корпус текстов
在文本中。此外，语料库文本
это не просто библиотека а все тексты
不仅仅是一个图书馆，而是全部文本
снабжены лингвистической разметкой разной
都带有不同程度复杂性的语言标注
степени сложности и мы сегодня посмотрим
今天我们来看看
какая она бывает.
它有哪些类型。
и кроме того к корпусу текстов обычно
此外，语料库文本通常还附带
прилагается специальный инструмент поиска
专用的检索工具
который гораздо более сложный устроен чем
其结构远比普通搜索复杂
обычный поиск даже по сайту или по той же
甚至比网站或同一图书馆中的普通搜索还要复杂
библиотеке и этот поиск позволяет строить
进行各种查询
всевозможные,
各种各样的，
собственно, сложные запросы к этому
实际上，针对该语料库的复杂查询。
корпусу. какие вообще бывают корпуса
语料库究竟有哪些类型？
корпуса бывают очень большие которые
语料库规模差异很大，有的非常庞大，
исчисляются десятками миллиардов
词次数量达数百亿。
словоупотреблений и бывают корпуса
也有的语料库规模较小，
достаточно маленькие например самый
例如，俄罗斯国家语料库中最小的语料库是
маленький корпус в составе Национального
俄罗斯国家语料库的一部分，
корпуса русского языка это корпус
即布列斯金文书语料库。
Брестиной грамот
即布列斯金文书语料库。
он насчитывает всего двадцать три тысячи
它仅包含两万三千个
словоупотреблений тем не менее это очень
然而，这仍然是非常
ценный ресурс лингвистический
有价值的语言学资源
корпуса могут содержать данные
语料库可以包含现代语言的数据
современного языка либо данные какого то
也可以包含某个更早时期的数据
более раннего периода тогда это
那么这就是
исторические корпуса
历史语料库
у нас есть древнерусский корпус
我们有古俄语语料库
старорусский корпус и корпус перстной
古俄语语料库和佩列斯拉夫尔语料库
грамоты и еще корпус церковнославянского
文书语料库，以及教会斯拉夫语语料库
языка, который тоже можно причислить к
也属于
историческим.
历史语言。
далее тексты которые содержатся в корпусе
此外，语料库中所包含的文本
могут быть устными или письменными.
可以是口头的，也可以是书面的。
они в любом случае записаны в какой то
它们无论如何都以某种形式被记录下来，
форме, но это могут быть исходные
但这些可能是原始的书面文本，
письменные тексты, а это может быть, либо
也可能是……
это может быть устная речь, записанная тем
也可能是以某种方式记录下来的口头话语，
или иным способом, в том числе звучащая
包括有声的口头话语。
устная речь.
口头话语。
Соответственно, в АнКРЯ есть некоторое
因此，俄罗斯国家语料库中包含一些
количество устных корпусов, это собственно
口语语料库，这实际上就是
устный корпус,
口语语料库，
акцентологический корпус и три
语音学语料库，以及三个
мультимедийных корпуса, которые тоже
多媒体语料库，这些语料库也
содержат данные о устной речи.
包含口语数据。
Кроме того, корпуса могут быть одноязычные
此外，语料库可以是单语的
или параллельные.
或平行的。
То есть одноязычный корпус– это корпус, в
也就是说，单语语料库是指仅包含
котором содержатся данные только на одном
一种语言数据的语料库。
языке. Параллельный
语言。平行
корпус содержит данные на двух или более
语料库包含两种或多种语言的数据
языках, причем эти данные выровнены.
且这些数据已对齐。
То есть одному предложению или иному
也就是说，一种语言中的一个句子或其他
минимальному отрезку текста на одном языке
最小文本片段
сопоставлен такой же аналогичный отрезок
对应另一种语言中相同且类似的片段
на другом языке.
在另一种语言中。
Кстати, там, кажется, от компьютера очень
顺便说一下，那里似乎有很强的电脑噪音。
сильный шум.
噪音很大。
Можно я представлю?
我可以介绍一下吗？
Давайте, хорошо, не скажу, чтобы не так
好吧，我不说了，免得说错了
сильнее. вот мне еще видно, а что вам
再强一点。我还能看到，但您呢
наверное видно.
您大概也能看到。
Видно вас? Надо
能看到您吗？需要
презентацию показать.
展示演示文稿。
Презентацию видно?
演示文稿能看见吗？
Да, тогда все в порядке.
是的，那一切正常。
да однозычный и параллельный кроме того
是单义的，也是并行的，此外
корпуса бывают так
语料库还有这样的类型
называемые интернет корпуса с полностью
被称为网络语料库，其中完全
автоматической сборкой
自动构建
и разметкой то есть просто огромные
和标注，即数量极其庞大的
массивы текстов скачиваются с сети
文本数据集从网络上下载
автоматически размечаются
并自动标注
и создается большой достаточно объем
从而形成规模相当大的
текстов либо корпуса бывают с ручной или
文本集合。语料库的标注方式包括人工标注或
полуавтоматической разметкой
半自动标注
собственно вот таким является Национальный
实际上，国家俄语语料库就是这样的语料库，而目前我们的语料库中唯一缺少的正是
корпус русского языка и вот единственное
国家俄语语料库。目前，我们的语料库中唯一缺少的是
чего у нас в корпусе пока нет это вот
我们语料库中目前尚不具备的正是
таких гигантских
如此巨大的
ну или пока вообще нет таких гигантских
或者目前根本不存在如此巨大的
интернет корпусов с полностью
互联网语料库，且具备完全
автоматической разметкой.
自动标注功能。
Кроме того, бывают еще синтаксические
此外，还存在句法类
корпуса, и это фактически не корпуса
语料库，但严格来说它们并非文本语料库，
текстов, а корпуса предложений, и каждое
而是句子语料库，其中每个
предложение имеет синтаксическую разметку,
句子都带有句法标注，
и ему сопоставлено какое- то
并对应一个
синтаксическое дерево,
句法树。
которое в той или иной школе выполнено.
在某所学校中完成的。
Соответственно, можно изучать структуру
因此，可以研究
предложений в таких корпусах.
这类语料库中的句子结构。
И такой корпус тоже у нас есть.
这样的语料库我们也有。
далее корпуса бывают мультимедийные
此外，语料库还分为多媒体语料库，
это значит что они содержат не только
这意味着它们不仅包含
текст но и аудио и или видео материалы
文本，还包含音频和/或视频材料。
и у нас есть три мультимедийных корпуса ну
我们有三个多媒体语料库。
и наконец бывают еще более специальные
最后，还有更专门的语料库，
корпуса которые содержат либо специальные
这些语料库包含特定类型的材料，
виды текстов либо
文本类型或
предназначены для каких специальных целей
专用于某些特定目的
вот допустим в национальном корпусе
例如，在俄语国家语料库中
русского языка есть поэтический корпус
就有诗歌语料库
который содержит поэтические тексты с
其中包含带有
достаточно сложной разметкой.
相当复杂标注的诗歌文本。
есть диалектный корпус, который содержит
还有方言语料库，其中包含
устную речь, записанную на разных
用不同方言录制的口语材料。
диалектах. есть обучающий корпус, который
还有教学语料库，它
предназначен специально для работы со
专为语言教学而设计。
школьниками и так далее.
中小学生等。
Собственно вот все, что здесь показано,
实际上，这里展示的全部内容就是：
все эти виды корпусов, они, кроме вот
所有这些语料库类型，除了大型网络语料库之外，
больших интернет- корпусов, они есть в
都包含在俄语国家语料库中。
Национальном корпусе русского языка.
俄语国家语料库
чем Национальный корпус русского языка
与众多其他语料库有何不同？
отличается от всех прочих корпусов,
而其他语料库数量相当多。
которых достаточно много.
它有哪些特点？首先，它
и какие в него особенности ну во первых он
目前包含二千一百万条语料。
содержит на настоящий момент двадцать один
目前包含二千一百万条语料。
отдельный корпус то есть национальный
独立语料库，即国家语料库
корпус русского языка это на самом деле
俄语语料库实际上
коллекция корпусов разного типа вида
不同类型、不同种类语料库的集合
размера и так далее разного назначения
不同规模，以及不同用途等
в этих корпусах содержатся тексты разных
这些语料库中包含各种类型的文本
жанров типов и тематик то есть у нас
体裁、类型和主题，也就是说，我们
представлены не какие то однотипные тексты
所涵盖的并非单一类型的文本
а очень широкое разнообразие текстов
而是极为丰富的多样化文本
разных видов и разных типов
涵盖各种形式和各类文本
ну и дальше что очень важно это тексты все
此外，非常重要的一点是，所有文本
имеют какую то сложную разметку
具有某种复杂的标注
разные корпуса имеют разные виды разметки
不同语料库具有不同类型的标注
что может быть размечено вообще зачем
究竟可以标注什么？为什么要标注？
тексты в корпусе размечаются вот ровно
语料库中的文本就恰好这样进行标注
затем чтобы потом можно было искать то что
以便之后能够检索那些
размечено вот если слова имеют
已被标注的内容——例如，如果词语具有
грамматическую разметку то соответственно
语法标注，那么相应地
мы можем искать потом по грамматическим
我们之后便能依据词语的语法特征进行检索
признакам слов если они имеют
如果词语具有语义标注
семантическую разметку мы можем искать по
我们便能依据语义进行检索
семантическим признакам
语义特征
и так далее то есть размечены могут быть
等等，也就是说可以进行标注
слова в тексте
文本中的词语
кроме того могут быть размечены
此外，还可以标注
предложения то
句子等
来源：Институт лингвистики РГГУ · CC BY 3.0